熊猫数据帧索引过滤

我有两个数据帧在相同的时间分辨率。从第一个数据帧（在我的情况下：df_data1）我只想要所有值['A']其中['B']是< 90.现在我想筛选我的secound数据框，以便我只有值从我的第一个数据帧熊猫数据帧索引过滤

df_data1 = pd.io.parsers.read_csv(station_path, skiprows=0, index_col=0, na_values=[-999], names= names_header , sep=';', header=None , squeeze=True) 

date  A B 
16.08.2013 03:00  -1 97 
16.08.2013 03:15  -1 95 
16.08.2013 03:30  0 92 
16.08.2013 03:45  4 90 
16.08.2013 04:00  18 88 
16.08.2013 04:15  42 86 
16.08.2013 04:30 73 83 
16.08.2013 04:45  110 81 
16.08.2013 05:00 151 78

现在同样的时间戳（timeindex）我想都df_data [ 'A']，其中df_data [ 'B']是所以我做的：

df_data = df_data[(df_data['B'] < 90)]

第二数据帧的样子：

df_data2 = pd.io.parsers.read_csv(station_path, skiprows=1, sep=";", index_col=False, header=None) 

date w x y z 
16.08.2013 03:00 0 0 0 0 
16.08.2013 03:15 0 0 0 0 
16.08.2013 03:30 0 0 0 0 
16.08.2013 03:45 0 0 0 0 
16.08.2013 04:00 0 0 0 0 
16.08.2013 04:15 0 0 0 0 
16.08.2013 04:30 47 47 48 0 
16.08.2013 04:45 77 78 79 88 
16.08.2013 05:00 111 112 113 125

有没有人有想法解决这个问题？我需要在相同的形状的数据框原因此外，我想计算np.corrcoef等。

来源

2015-03-25 steff

嗯，你的第一部分几乎完成：

df_data = df_data[(df_data['B'] < 90)]

然后你可以使用df_data['A']

访问A列，如果你的索引值是相同的两个df，可以那么这应该工作：

In [40]: 

df1.loc[df_data.index] 
Out[40]: 
         w x y z 
date         
2013-08-16 04:00:00 0 0 0 0 
2013-08-16 04:15:00 0 0 0 0 
2013-08-16 04:30:00 47 47 48 0 
2013-08-16 04:45:00 77 78 79 88 
2013-08-16 05:00:00 111 112 125 NaN

编辑

不清楚为什么你会得到一个KeyError但你也可以使用以下命令：

df_data2[df_data2.index.isin(df_data1.index)]

这将处理中不存在在你的第二个DF任何索引值。

来源

2015-03-25 08:58:51 EdChum

Thx回答！我得到了此错误：文件“C：\ WinPython-64bit-2.7.9.3 \ python-2.7.9.amd64 \ lib \ site-packages \ pandas \ core \ indexing.py”，第1283行，在_has_valid_type中（ key，self.obj._get_axis_name（axis））） – steff 2015-03-25 10:53:20

你正在使用我的答案逐字或做这个：'df_data2.loc [df_data.index]'？ – EdChum 2015-03-25 10:56:28

df_data1是从类型TimeSeries 和 df_data2是从类型DataFrame 这是一个问题？ – steff 2015-03-25 10:57:56

来完成这样的：第一种方法

我得到一个错误

但具有下列表达式效果很好：

df_data2 [df_data2.index.isin（df_data1 .index）]

来源

2015-03-25 11:06:18 steff

熊猫数据帧索引过滤

回答

相关问题